Un equipo de Stanford ha identificado una molécula natural prometedora contra la obesidad. A diferencia de los tratamientos actuales, parece evitar ciertos efectos secundarios molestos.
Los científicos utilizaron inteligencia artificial para descubrir la molécula BRP entre miles de péptidos. Este enfoque innovador permitió dirigirse específicamente a vías metabólicas relacionadas con el apetito, sin afectar otras funciones corporales como lo hacen medicamentos similares.
BRP actúa principalmente en el hipotálamo, una región del cerebro crucial para la regulación del hambre. Las pruebas en animales mostraron una reducción significativa en la ingesta de alimentos y pérdida de peso, sin las náuseas o pérdida muscular observadas con otros tratamientos.
La molécula fue identificada gracias a un algoritmo llamado Peptide Predictor, que analiza los sitios de corte de las prohormonas. Este método permitió seleccionar 373 prohormonas entre 20.000 genes, un logro imposible con técnicas tradicionales.
Los ensayos en ratones y cerdos confirmaron la eficacia de BRP. Los animales tratados perdieron peso principalmente en grasa, mejorando además su tolerancia a la glucosa. No se observaron efectos secundarios notables, abriendo el camino a ensayos clínicos humanos.
Los investigadores planean ahora identificar los receptores específicos de BRP y mejorar su duración de acción en el organismo. Estas etapas son cruciales para desarrollar un tratamiento práctico y eficaz contra la obesidad.
Este descubrimiento, publicado en
Nature, representa un avance importante en la lucha contra la obesidad. Con millones de personas afectadas en el mundo, BRP podría ofrecer una alternativa más segura y dirigida que los tratamientos actuales.
¿Cómo ayudó la inteligencia artificial a descubrir BRP?
El equipo de Stanford desarrolló un algoritmo, Peptide Predictor, para analizar los sitios de corte de las prohormonas. Esta herramienta permitió predecir cómo una enzima específica, la prohormona convertasa 1/3, corta las prohormonas en péptidos activos.
Tradicionalmente, la identificación de estos péptidos requería técnicas laboriosas y costosas. Peptide Predictor aceleró este proceso analizando automáticamente secuencias de aminoácidos, reduciendo tiempo y recursos necesarios.
El algoritmo identificó 2.683 péptidos potenciales a partir de 373 prohormonas. Este enfoque permitió a los investigadores concentrarse en los péptidos más prometedores, incluido BRP, sin tener que aislarlos manualmente.
Este método ilustra cómo la IA puede acelerar considerablemente la investigación biomédica, permitiendo descubrimientos rápidos y precisos que de otra forma serían casi imposibles.
Fuente: Nature